【摘 要】
:
蜂窝芯超声切削加工工艺因其绿色环保等优点,逐渐在航天航空制造领域得到广泛运用。超声匕首刀作为该特种加工工艺中的核心部件,需要兼顾传统匕首类刀具以及超声纵振模态双重特性要求,刀具刃形主要呈现出多刃面、薄片、长悬臂等几何形状特点,进而导致此类刀具弯曲刚度偏小,在刃磨时极易产生变形误差,降低超声匕首刀的刃面成形精度,从而影响此类刀具的超声切削加工性能。本文以超声匕首刀为对象,开展刃磨变形预测和刃磨变形的
论文部分内容阅读
蜂窝芯超声切削加工工艺因其绿色环保等优点,逐渐在航天航空制造领域得到广泛运用。超声匕首刀作为该特种加工工艺中的核心部件,需要兼顾传统匕首类刀具以及超声纵振模态双重特性要求,刀具刃形主要呈现出多刃面、薄片、长悬臂等几何形状特点,进而导致此类刀具弯曲刚度偏小,在刃磨时极易产生变形误差,降低超声匕首刀的刃面成形精度,从而影响此类刀具的超声切削加工性能。本文以超声匕首刀为对象,开展刃磨变形预测和刃磨变形的主动控制方法研究,旨在提高超声匕首刀的刃磨质量,也可为其他类似薄片细长刀具的磨削力及变形预测提供理论借鉴。论文主要工作内容如下:1.构建了变刃宽磨削力模型。针对匕首刀锥形刃面的刃磨宽度沿进给方向动态变化的特点,引入一种磨削接触区等效映射方法,基于单颗磨粒磨削机理和平均体积法推导出磨屑形成力、磨屑流出产生的摩擦力和磨粒滑擦力的表达式,然后在其基础上构建出变刃宽磨削力模型,并通过磨削实验验证了模型的准确性。利于后续程序化计算分析匕首刀实际磨削时的磨削力和变形量。2.研究了刃磨变形的主动预测方法。针对匕首刀的薄片、长悬臂、弱刚度等特点,基于磨削力和变形量之间的耦合机理提出一种融合ANSYS和MATLAB的变形量预测方法,利用APDL语言构建超声匕首刀参数化模型,将匕首刀具几何特征的建立、材料属性定义等程序化;MATLAB作为主控程序运用迭代算法重复调用APDL进行变形量的耦合计算,实现变形量计算程序的自动化,较好地提高了计算效率和预测精度。3.开发了匕首刀磨削误差主动补偿模块。基于镜像补偿原理提出变形误差耦合补偿总体方案,采用“割线法”替代传统的“不动点迭代法”计算离散点的磨削变形量,提高了计算效率;运用三次样条曲线重构补偿轮廓,保证各离散点光滑连接,并通过变步长直线插补方法将补偿曲线转化直线段,提高了补偿程序的适用性。最后,基于MATLAB集成磨削变形量计算、主动补偿和补偿程序生成模块,开发了超声匕首刀参数化编程界面,实现补偿程序自动生成功能,提高了编程效率,操作便捷。
其他文献
采用调制掺杂氮化镓(GaN)异质结结构的高电子迁移率晶体管(HEMT)在过去的十年中得到了迅速的发展,GaN被认为是高频和大功率相结合的最有前途的半导体技术之一,准确的GaN器件的模型是计算机辅助电路设计,特别是高效率功率放大器(PAs)和单片微波集成电路(MMIC)设计的关键组件,在众多建模方法中,行为模型因其高精度和低复杂度的特点脱颖而出成为了研究热点。近些年来,以机器学习为代表的人工智能技术
自互联网时代起,数字、符号、标签等结构化数据和图像、视频、文本等非结构化数据爆发性增长。这两类数据的高效精准混合查询是实现高质量信息检索的一项关键技术,也是目前工业界亟需突破的瓶颈。当前混合查询方法主要是分别查询结构化和非结构化数据再进行结果合并重排,即前者主要通过传统数据库查询实现,后者主要将非结构化数据向量化并通过近似最近邻搜索(Approximate Nearest Neighbor Sea
随着无线通信技术的发展,雷达技术被广泛地应用于目标识别、定位探测及医疗健康监测等领域。T/R(Transmitter and Receiver,T/R)组件作为雷达技术应用的硬件支撑,其性能好坏直接影响了信息传递和收集的准确性。作为T/R组件中不可或缺的核心器件,射频开关和射频驱动放大器备受学者和工程师的青睐。本文基于国产化0.5-μm Ga As工艺,针对应用于T/R组件的射频开关和射频驱动放大
近年来,大数据、云存储、机器学习等新兴互联网技术发展,使得网络环境越发复杂。在这种复杂的网络环境下,身份认证技术作为安全服务体系最底层的环节对网络的安全性起着重要作用。生物特征凭借其唯一性、便捷性等优势在身份认证领域被广泛应用,这同时也对隐私保护提出了新的要求。生物特征密码技术通过对生物特征识别技术和密码技术的有机结合,能够在保护秘密信息的同时解决生物特征模板的保护问题,为身份认证系统提供安全保障
随着电磁环境的日益恶劣和干扰的智能化,传统的跳频通信抗干扰技术已难以满足军事通信需求,迫切需要具有环境感知和学习的智能抗干扰技术。强化学习和深度强化学习算法通过具有学习能力的智能体(Agent)与环境交互并学习,可以适应高动态的复杂环境并根据自身状态得到最优决策,已经被广泛应用在无线通信领域。因此,本文主要研究应用强化学习和深度强化学习的跳频通信系统智能抗干扰决策技术。首先,研究了复杂电磁环境下跳
随着科技和工业智能化的发展,机械设备健康管理领域中越来越多的数据被采集,对设备的诊断分析和智能化故障预警也成为一种趋势。然而传统方式无法满足大数据背景下海量数据地处理需求,且海量数据中工况信息复杂多变,若采用人工标记训练的方式与智能化的指导思想相违背。在这样的背景下,需要采用深度学习等智能处理算法,设计一种适用于复杂工况的新型故障诊断模型,提高设备故障诊断的精准性和鲁棒性。因此,本文围绕面向复杂工
近年来,人们对制冷技术要求的不断提高,传统气体压缩制冷技术并不能满足社会进步需求。环境保护型、易定制化、制冷效率高的磁制冷技术孕育而生。磁制冷技术主要采用磁性材料作为制冷介质,依靠其内禀性能磁热效应(Magnetocaloric effect,MCE)来实现制冷。全部由3d过渡族元素组成的新型Heusler合金(all-d-metal Heusler alloy)因其巨磁热效应(MCE)备受凝聚态
磁共振成像是一种无电离辐射的非侵入式医学成像方法,现在已经广泛应用于临床辅助诊断中。但在实际应用中,由于磁共振成像速度较慢、易于产生运动伪影等缺点,使得该技术的应用受到一定的限制。并行磁共振成像方法采用了多个接收线圈同时采集磁共振信号,加快了磁共振成像速度,但是在欠采样情况下,获得的图像会出现混叠伪影。通过并行磁共振重建算法,可以利用空间灵敏度信息计算出缺失的相位编码信息进行图像重建,但是当加速因
2019年末,新冠肺炎疫情在全球范围爆发,成为大流行传染病,每天都有大量新增确诊患者涌入医院,导致医疗资源以及医护人员极度缺乏。为了合理分配医疗资源和医护人员,将新冠患者准确地区分为轻度患者和重度患者显得非常有意义。而目前相关的研究大多都基于单CT图像,凭借着单CT图像的信息进行新冠肺炎的分级。这会导致模型的普适性不高,对输入的CT图像有很高的要求,一旦所输入的CT图像不具有很强的病情代表性,就有